2、以下关于单侧t检验的判定方法正确的是

A.如果t统计量的值大于临界值，则拒绝原假设。

B.如果t统计量的值大于临界值，且参数符号与H0隐含的符号相同，则拒绝原假设。

C.如果t统计量的值大于临界值，且参数符号与HA隐含的符号相同，则拒绝原假设。

D.如果p值小于研究所要求的显著性水平，则拒绝原假设。

E.如果p值小于研究所要求的显著性水平，且参数符号与H0隐含的符号相同，则拒绝原假设。

F.如果p值小于研究所要求的显著性水平，且参数符号与HA隐含的符号相同，则拒绝原假设。

A.根据t统计量的实际值和临界值应该拒绝零假设

B.根据t统计量的实际值和临界值不能拒绝零假设

C.在这一检验中如果计算相应的P值，则p值>0.05

D.在这一般验中如是计算相应的P值，则P值<0.05

A.对参数符号具有明显预期时用单侧t检验，预期不确定时用双侧t检验。

B.EViews回归结果中的t检验默认的是双侧检验。

C.EViews回归结果中的t检验默认的是单侧检验。

D.给定自由度和显著性水平，双侧t检验的临界值大于单侧t检验的临界值。

E.给定自由度和显著性水平，双侧t检验的临界值是单侧t检验的临界值的2倍。

F.在给定的显著性水平下，若某参数的双侧t检验拒绝原假设，该参数的单侧t检验在参数符号符合预期时也拒绝原假设。

G.在给定的显著性水平下，若某参数的单侧t检验拒绝原假设，该参数的双侧t检验也拒绝原假设。

A.对参数符号具有明显预期时用单侧t检验，预期不确定时用双侧t检验。

B.EViews回归结果中的t检验默认的是双侧检验。

C.EViews回归结果中的t检验默认的是单侧检验。

D.给定自由度和显著性水平，双侧t检验的临界值大于单侧t检验的临界值。

E.给定自由度和显著性水平，双侧t检验的临界值是单侧t检验的临界值的2倍。

F.在给定的显著性水平下，若某参数的双侧t检验拒绝原假设，该参数的单侧t检验在参数符号符合预期时也拒绝原假设。

G.在给定的显著性水平下，若某参数的单侧t检验拒绝原假设，该参数的双侧t检验也拒绝原假设。

A.t检验的结果是完全可信的。

B.t检验的统计显著性并不等同于理论有效性。

C.t检验不能考察相应变量在方程中的相对重要性。

D.随着样本容量的增大，t统计量的值会越来越大。

E.对于一个超大规模的样本而言，t检验没有任何意义，因为你几乎可以拒绝任何原假设。

F.在回归方程中，参数估计值和t统计量的值越大，该变量越重要。

A.t检验的结果是完全可信的。

B.t检验的统计显著性并不等同于理论有效性。

C.t检验不能考察相应变量在方程中的相对重要性。

D.随着样本容量的增大，t统计量的值会越来越大。

E.对于一个超大规模的样本而言，t检验没有任何意义，因为你几乎可以拒绝任何原假设。

F.在回归方程中，参数估计值和t统计量的值越大，该变量越重要。

A.t检验的结果是完全可信的。

B.t检验的统计显著性并不等同于理论有效性。

C.t检验不能考察相应变量在方程中的相对重要性。

D.随着样本容量的增大，t统计量的值会越来越大。

E.对于一个超大规模的样本而言，t检验没有任何意义，因为你几乎可以拒绝任何原假设。

F.在回归方程中，参数估计值和t统计量的值越大，该变量越重要。

A.t检验的结果是完全可信的。

B.t检验的统计显著性并不等同于理论有效性。

C.t检验不能考察相应变量在方程中的相对重要性。

D.随着样本容量的增大，t统计量的值会越来越大。

E.对于一个超大规模的样本而言，t检验没有任何意义，因为你几乎可以拒绝任何原假设。

F.在回归方程中，参数估计值和t统计量的值越大，该变量越重要。